##1. 与numpy、series、list的转换
1.将Pandas类型转换为numpy类型,通过.values来转换:
np = pd.values
2.将numpy类型转换为list类型,通过.tolist()方法转换:
list = np.tolist()
3.在用pandas包和numpy包对数据进行分析和计算时,经常用到DataFrame和array类型的数据。在对DataFrame类型的数据进行处理时,需要将其转换成array类型,是以下列出了三种转换方法。
首先导入numpy模块、pandas模块、创建一个DataFrame类型数据df
import numpy as np
import pandas as pd
df=pd.DataFrame({'A':[1,2,3],'B':[4,5,6],'C':[7,8,9]})
c = df.values
c
Out[5]:
array([[1, 4, 7],
[2, 5, 8],
[3, 6, 9]], dtype=int64)
c[0]
Out[6]: array([1, 4, 7], dtype=int64)
c[:][0]
Out[7]: array([1, 4, 7], dtype=int64)
c[:,0]
Out[8]: array([1, 2, 3], dtype=int64)
c[1:-1,0]
Out[10]: array([2], dtype=int64)
(1)使用DataFrame中的values方法
df.values
(2)使用DataFrame中的as_matrix()方法
df.as_matrix()
(3)使用Numpy中的array方法
np.array(df)
4.array转化成dataframe
import pandas as pd
df = pd.DataFrame(df)
5.df=df.values.flatten() 需要的时候在末尾加一个flatten() 变成一行的方便统计分析
df=df.values.flatten()
df
Out[17]: array([1, 4, 7, 2, 5, 8, 3, 6, 9], dtype=int64)
6.如果是想转换成Series的话可以用 pd.Series(df)
v = pd.Series(df)
v
Out[19]:
0 1
1 4
2 7
3 2
4 5
5 8
6 3
7 6
8 9
dtype: int64
7.1、list 转化成array矩阵
np.array(result).T
- list 转化Data Frame
a = [['a', '1.2', '4.2'], ['b', '70', '0.03'], ['x', '5', '0']]
df = pd.DataFrame(a, columns=['one', 'two', 'three'])